Article Dans Une Revue CMC-Computers, Materials & Continua Année : 2025

Expert System Based on Ontology and Interpretable Machine Learning to Assist in the Discovery of Railway Accident Scenarios

Système expert basé sur l'ontologie et l'apprentissage automatique interprétable pour aider à la découverte de scénarios d'accidents ferroviaires

Résumé

A literature review on AI applications in the field of railway safety shows that the implemented approaches mainly concern the operational, maintenance, and feedback phases following railway incidents or accidents. These approaches exploit railway safety data once the transport system has received authorization for commissioning. However, railway standards and regulations require the development of a safety management system (SMS) from the specification and design phases of the railway system. This article proposes a new AI approach for analyzing and assessing safety from the specification and design phases of the railway system with a view to improving the development of the SMS. Unlike some learning methods, the proposed approach, which is dedicated in particular to safety assessment bodies, is based on semi-supervised learning carried out in close collaboration with safety experts who contributed to the development of a database of potential accident scenarios (learning example database) relating to the risk of rail collision. The proposed decision support is based on the use of an expert system whose knowledge base is automatically generated by inductive learning in the form of an association rule (rule base) and whose main objective is to suggest to the safety expert possible hazards not considered during the development of the SMS to complete the initial hazard register.

Une revue de la littérature sur les applications de l'IA dans le domaine de la sécurité ferroviaire montre que les approches mises en œuvre concernent principalement les phases d'exploitation, de maintenance et de retour d'expérience suite à des incidents ou accidents ferroviaires. Ces approches exploitent les données de sécurité ferroviaire une fois que le système de transport a reçu l'autorisation de mise en service. Cependant, les normes et réglementations ferroviaires exigent le développement d'un système de gestion de la sécurité (SGS) dès les phases de spécification et de conception du système ferroviaire. Cet article propose une nouvelle approche d'IA pour analyser et évaluer la sécurité dès les phases de spécification et de conception du système ferroviaire afin d'améliorer le développement du SGS. Contrairement à certaines méthodes d'apprentissage, l'approche proposée, dédiée notamment aux organismes d'évaluation de la sécurité, repose sur un apprentissage semi-supervisé réalisé en étroite collaboration avec des experts en sécurité ayant contribué au développement d'une base de données de scénarios d'accidents potentiels (base d'exemples d'apprentissage) relative au risque de collision ferroviaire. L'aide à la décision proposée repose sur l'utilisation d'un système expert dont la base de connaissances est générée automatiquement par apprentissage inductif sous la forme des règles d'association (base de règles) et dont l'objectif principal est de suggérer à l'expert en sécurité des dangers possibles non pris en compte lors de l'élaboration du SGS pour compléter le registre initial des dangers.

Fichier principal
Vignette du fichier
TSP_CMC_67143.pdf (38.29 Mo) Télécharger le fichier
Origine Fichiers éditeurs autorisés sur une archive ouverte
Licence

Dates et versions

hal-05187383 , version 1 (25-07-2025)

Licence

Identifiants

Citer

Habib Hadj-Mabrouk. Expert System Based on Ontology and Interpretable Machine Learning to Assist in the Discovery of Railway Accident Scenarios. CMC-Computers, Materials & Continua, 2025, Special Issue: Artificial Intelligence and Advanced Computation Technology in Rail-ways, pp. 1-32. ⟨10.32604/cmc.2025.067143⟩. ⟨hal-05187383⟩

Collections

88 Consultations
23 Téléchargements

Altmetric

Partager

  • More